روشی ابتکاری جهت تولید مدل رقمی زمین برای مناطق جنگلی

روشی ابتکاری جهت تولید مدل رقمی زمین برای مناطق جنگلی سعید صادقیان 2 امید آئینه *1 با داده لیدار نشريه علمي- ترويجي مهندسي نقشهبرداري و اطلاعات مکاني دوره ششم شماره آذر ماه 96 2 روش روش دانشجوي کارشناسي ارشد فتوگرامتري گروه مهندسي نقشهبرداري- دانشکده مهندسي عمران- دانشگاه تفرش aieneh.omid@gmail.com استاديار مرکز سنجش ازدور و - GIS دانشگاه شهید بهشتي s-sadeghian@sbu.ac.ir )تاريخ دريافت آبان 969 تاريخ تصويب مهر 96( چکیده اخیرا از تکنولوژي لیدار براي تولید مدل رقمي زمین از مناطق جنگلي به صورت گسترده استفاده مي شود به خاطر اينکه با استفاده از تصاوير هوايي و ماهواره اي از مناطق جنگلي نمي توان مدل رقمي زمین را تولید کرد همچنین با نقشه برداري تولید مدل رقمي زمین در مناطق جنگلي کاري غیر ممکن است چون زمان و هزينه بسیار زيادي را در بردارد و به صرفه نیست. در روش ارائه شده در اين مقاله براي جداسازي از نقاط پالس ثانويه در مرحله اول از الگوريتم skewness balancing استفاده شده است. با اعمال اين الگوريتم تعداد زيادي از حذف شدند به خاطر اينکه نقاط حذف شده از نقاط پالس ثانويه بوده اين احتمال وجود دارد که در بین اين وجود داشته باشد که به اشتباه حذف شدند حال براي بدست آوردن اين مي بايست نقاط حاصل از مرحله اول را از نقاط پالس ثانويه کسر کرده و نقاط حاصل را با نقاط پالس اولیه از نظر اختلاف ارتفاع مقايسه کرد در نهايت نقاط حاصل از اين مرحله و مرحله اول را ترکیب کرده و به يکسري دست مي يابیم اما با توجه به شیب ناشي از زمین نزديک به زمین توسط دو مرحله قبل قابل حذف نبوده و براي حذف اين نقاط مي توان از slope filter B-spline استفاده کرد در نهايت نقاط باقي مانده را به عنوان مي پذيريم و در مرحله آخر را به انترپلاسیون کرده و به مدل رقمي زمین مي رسیم دقت مدل رقمي زمین بدست آمده از اين روش 22 سانتیمتر مي باشد. واژگان کلیدی: لیدار مدل رقمي زمین جداسازي Balancing B-spline Skewness * نويسندهي رابط 96

1- مقدمه روشي ابتکاري جهت تولید مدل رقمي زمین با داده لیدار براي مناطق جنگلي اخیرا از تکنولوژي لیدار براي تولید مدل رقمي زمین از مناطق جنگلي به صورت گسترده استفاده مي شود به خاطر اينکه با استفاده از تصاوير هوايي و ماهواره اي از مناطق جنگلي نمي توان مدل رقمي زمین را تولید کرد همچنین با نقشه برداري تولید مدل رقمي زمین در مناطق جنگلي کاري غیر ممکن است چون زمان و هزينه بسیار زيادي را در بردارد و به صرفه نیست به همین خاطردر حال حاضر از روش لیدار براي تولید مدل رقمي زمین از مناطق جنگلي استفاده مي شود اما هنوز تعدادي مشکل براي استخراج ارتفاع در مناطق جنگلي وجود دارد چون ممکن است بعضي را در هنگام جداسازي به عنوان نقطه در نظر بگیريم. سیستم هاي لیدار به علت دارا بودن خصوصیاتي از قبیل : توانايي ثبت اطلاعات در دو پالس ثانويه و اولیه قدرت نفوذ در مناطق جنگلي و تراکم بسیار بالاي نقاط اندازه گیري به عنوان راه حل مناسبي براي تولید مدل رقمي زمین استفاده مي شود.لیدار يک سنجنده فعال جهت جمع آوري توده اي از نقاط تعريف کننده سطح زمین مي باشد. اين سیستم اولین باردر دهه 602 توسط NASA و بعد از آن توسط ساير سازمان هاي عمدتا آمريکايي و کانادايي به کار گرفته شد[ ]. در اواخر دهه 692 با روي کار آمدن GPS امکان تعیین موقیعت دقیق براي سیستم هاي لیدار نیز فراهم گرديد.يک سیستم لیدار شامل يک سیستم فاصله ياب لیزري يک سیستم اندازه گیري اينرسي و يک سیستم تعیین موقیعت تفاضلي )DGPS( مي باشد. براي بدست آوردن مختصات 9 بعدي هر نقطه روي سطح زمین مي بايست مختصات مرکز ارسال لیزر فاصله مايل بین اين مرکز با نقطه مورد نظر روي زمین و راستاي ارسال لیزر از فرستنده به سمت نقطه مورد نظر مشخص باشد که اين اطلاعات به ترتیب توسط فاصله ياب لیزري GPS و سیستم اندازه گیري اينرسي تهیه مي شود. زماني که سیگنال به سمت زمین فرستاده مي شود اين سیگنال به عوارض مختلفي از جمله پوشش گیاهي و سطح زمین برخورد مي کند که معمولا به اين بازتاب ها پالس اولیه و پالس ثانويه گفته مي شود. اين ويژگي سیستم هاي لیدار را از سیستم هاي معمول فتوگرامتري متمايز ميکند[ 2 ]. در اين مقاله به نقاط پالس اولیه "نقاط شي" و به نقاط پالس ثانويه "" گفته مي شود. فرض در نظر گرفته در اين مقاله به اين شرح است : پالس اولیه مربوط به پوشش گیاهي و پالس ثانويه مربوط به سطح زمین مي باشد اما سیستم لیدار در زمان برداشت ممکن است بعضي نقاط پوشش گیاهي را به اشتباه به عنوان نقطه برداشت کند به همین خاطر با استفاده مستقیم از نقاط پالس ثانويه نمي توان به ساخت مدل رقمي زمین پرداخت به همین دلیل بايد قبل از تولید مدل رقمي زمین يک مرحله پیش پردازش جهت جداسازي نقاط پوشش گیاهي از انجام گردد. مدل هدف در اين مقاله ارائه روشي خودکار جهت تولید رقمي زمین با داده لیدار براي مناطق جنگلي مي باشد. با بکارگیري الگوريتم پیشنهادي در اين مقاله مي توان حین پرواز و برداشت نقاط لیدار با دقتي بالا به استخراج مدل رقمي زمین از مناطق جنگلي پرداخت. در ادامه به بررسي جداسازي نقاط لیدار مي پردازيم. Kraus and Pfeifer تحقیقات انجام شده در زمینه 669 در سال براي حذف درختان در يک جنگل يک سطح را بر روي ابر نقاط لیدار برازش دادند و به وسیله يک الگوريتم تکراري کمترين مربعات نقاط بالاي اين سطح برازش شده را تا حد امکان کاهش دادند[ 9 ] را Axelsson. در سال 2222 از نقاط شي به وسیله يک حد آستانه وابسته تکراري )Iterative Threshold-Dependent( نامنظم مثلثي در سال (TIN) جدا سازي کرد[ ]. متراکم از يک شبکه j.hyyppa,u.pyysalo,h.hyyppa and A.Samberg 2222 روشي براي تولید مدل از زمین رقمي مناطق جنگلي ارائه کردند. به اين صورت که الف:تعیین سطح مرجع رفرنس ب: طبقه بندي پوشش گیاهي و حذف پوشش گیاهي از سطح رفرنس پ: طبقه بندي ابر نقاط سطح رفرنس ت: ساخت DTM نهايي بر اساس طبقه بندي ابر نقاط سطح رفرنس ج: انترپلاسیون نقاط از دست رفته و در نهايت تعیین مدل رقمي زمین[ 5 ]. Bartels در سال نظارت نشده جديدي به نام 2229 يک الگوريتم طبقه بندي براي جداسازي نقاط شي از داده لیدار ارائه کرد[ 9 ]. F.F.tang,J.Nliu,X.H.Zhang,Z.M.Ruan در سال 2229 روشي براي جداسازي از پالس ثانويه 02

ارائه کردند در اين روش با در نظر گرفتن اختلاف ارتفاع بین پالس ثانويه و اولیه به عنوان حد آستانه توانستند تا حدودي را از نقاط پالس ثانويه استخراج کنند اما با توجه به شیب ناشي از زمین بیشتر پوشش گیاهي نزديک به زمین طبق اين حد آستانه حذف نمي شوند و از مي بايست براي حذف آنها معیار تنوع ارتفاعي Variation) Height )استفاده کرد از آن جايي که سیستم لیدار علاوه بر ثبت پالس اولیه و ثانويه توانايي ثبت پالس تکي را دارد در اين روش روشي براي استخراج نقاط از نقاط پالس تکي نیز ارائه شده است به اين ترتیب که نتايج حاصل از دو فیلترينگ قبل را در يک صفحه صاف قرار مي دهیم و سپس نقاط پالس تکي را به صفحه صاف تصوير مي کنیم و در نهايت اختلاف ارتفاع بین نقاط پالس تکي و نقاط حاصل را محاسبه مي کنیم حال اگر اختلاف ارتفاع نقاط کوچکتر از حد آستانه تعريف شده باشد مي توان نقطه پالس تکي مربوطه را به عنوان نقطه در نظر بگیريم سپس نقاط بدست آمده از اين فیلترينگ را با نقاط بدست آمده از دو فیلترينگ اول ترکیب کرده و با استفاده از آنها مي توان مدل رقمي زمین را تولیدکرد[ 0 ]. نشريه علمي- ترويجي مهندسي نقشهبرداري و اطلاعات مکاني دوره ششم شماره آذر ماه 96 Dr.Yungang Cao and Mr Wenfeng Gao در سال 222 الگوريتمي براي جداسازي از نقاط شي داده لیدار ارائه کردند در اين روش طبقه بندي ابر نقاط لیدار با استفاده از دامنه فاز پراکنده عرض و اطلاعات 9 بعدي انجام مي گیرد. در اين روش از الگوريتم تجزيه گوسي براي استخراج تک تک پارامتر هاي )دامنه عرض موقیعت( استفاده مي شود و ماشین بردار پشتیبان براي طبقه بندي. الگوريتم از سپس خصوصیات سطح براساس خصوصیات نمونه ها استفاده مي شود[ 9 ]. دمن. م و بروت. ژ در سال 222 روشي براي فیلترينگ از داده لیدار جهت تولید مدل رقمي زمین به اين شرح ارائه کردند: يک صفحه نوار نازک به صورت تکراري به سمت سطح زمین حرکت کرده و در هر مرحله با کوچک کردن صفحه نواري يکسري نقاط را به عنوان استخراج مي کند و سپس در هر مرحله آخر براي ترمیم ناپیوستگي ناشي از عملگر Top-Hat درستي مي رسد[ 6 ]. اشیاء سطح از استفاده کرده و در نهايت به نقاط به طور کلي تمامي روشهاي ارائه شده در اين زمینه از الگوريتم ترکیبي استفاده نکردند و فقط به بهبود يک روش پرداخته اند البته در مورد اين موضوع نیز تحقیق زيادي انجام نشده است. هر کدام از روش هاي ارائه شده داراي نواقصي هستند با در نظر گرفتن اينکه اين روش ها مي توانند مکمل يکديگر باشند در اين مقاله از ترکیب چند روش به نامهاي Spline يابي حد آستانه گذاشتن بر داده ارتفاعي و دورن به گونه اي متفاوت استفاده شده است که توانايي تولید مدل رقمي زمین را از مناطق جنگلي با دقت بالايي را برخوردار مي باشد. در اکثر مقالات ارائه شده براي پردازش داده لیدار داده لیدار به تصوير تبديل شده اما در روش پیشنهادي در اين مقاله در مرحله اول از خود مختصات نقاط مستقیما استفاده شده است. 2- منطقه مورد مطالعه منطقه مورد مطالعه قسمتي از پارک Caribou Ranch Open Space به مساحت 952 کیلومتر مربع در Boulder Creek در نزديکي شهر Colorado آمريکا ميباشد )شکل (. زمان برداشت داده لیدار از اين منطقه از 222/2/9 تا 222/29/9 مي باشد. 3- روش پیشنهادی در روش پیشنهادي در اين مقاله روي نقاط پالس ثانويه کار مي شود و طبق فلوچارت روش پیشنهادي )شکل 2 ( الگوريتمهاي مختلفي روي نقاط پالس ثانويه اعمال مي شود و در نهايت با باقي مانده مي توان مدل رقمي زمین را تولید کرد. در اين روش ابتدا با اعمال الگوريتم را از نقاط پالس ثانويه جداسازي کرده و سپس نقاط حاصل را از نقاط پالس ثانويه کسر کرده و نقاط حاصل را با نقاط پالس اولیه مقايسه مي کنیم در بین نقاط بدست آمده نقاط شي نزديک به زمین توسط دو مرحله قبل قابل حذف نیستند به همین خاطر از روش استفاده ميکنیم و در نهايت براي ترمیم ناپیوستگي ناشي از سطح زمین بدست آمده از روش انترپلاسیون B-spline استفاده کرده و به مدل رقمي که در واقعیت پیوسته است ميرسیم. 0

روشي ابتکاري جهت تولید مدل رقمي زمین با داده لیدار براي مناطق جنگلي نقاط شی و زمینی شماره 1 شکل - منطقه مورد مطالعه پارک جنگلي Caribou Ranch Open Space در کلورادو آمريکا نقاط پالس ثانویه اعمال الگوریتمBalancing Skewness کسر نقاط پالس ثانویه از نقاط مقایسه نقاط حاصل با نقاط پالس اولیه نقاط شی و زمینی شماره 2 ترکیب نقاط شماره 1 و 2 شماره 1 اعمال انترپلاسیون به روش B-Spline نقاط زمینی اگر شیب بیشتر از. 2 باشد مدل رقومی زمین شکل 2- فلوچارت روش پیشنهادي Balancing الگوريتم فرض مي کند که از توزيع نرمال پیروي کرده اما نقاط شي موجود در بین نقاط لیدار اين توزيع را مختل کرده بنابراين هدف اين الگوريتم متعادل کردن توزيع ابر نقاط لیدار مي باشد.با استفاده از اين الگوريتم مي توان نقاط و شي را از هم جدا کرد.اندازه گیري هاي آماري توزيع نرمال از موقیعت نسبي مستقل مي باشد بنابراين چیدمان منظمي در مدل رقمي سطحي نخواهد داشت. روش عملکرد اين الگوريتم به شرح زير است: اول: عدم تقارن( Skewness ) يا چولگي توده نقاط محاسبه مي شود. واريانس مي باشد. Skewness يک رابطه آماري مثل دوم: اگر مقدار عدم تقارن از صفر بزرگتر باشد آنگاه بزرگترين مقدار ارتفاع نقاط پالس ثانويه به عنوان نقطه شي حذف مي شود اين مراحل تا زماني که نقاط پالس ثانويه از صفر بزرگتر باشد تکرار مي شود. اگر مقدار عدم تقارن از صفر کوچکتر باشد آنگاه کوچکترين مقدار ارتفاع نقاط پالس ثانويه به عنوان نقطه شي حذف مي شود اين مراحل تا زماني که Skewness Balancing نقاط پالس ثانويه از صفر کوچکتر باشد تکرار مي شود. فرمول هاي اين روش به اين شرح است: sk = N 1 N σ 3 (s i μ a ) 3 i=1 σ = 1 N N 1 (s i μ a ) 2 N μ a = 1 N s i i=1 i=1 )( ) 2( ) 9( معادله )( براي محاسبه عدم تقارن و معادله )2( براي محاسبه انحراف معیار مي باشد. در اين معادلات معرف S i Skewness 02

هر نقطه نشريه علمي- ترويجي مهندسي نقشهبرداري و اطلاعات مکاني دوره ششم شماره آذر ماه 96 N تعداد کل نقاط انحراف معیار و σ µ میانگین حسابي نقاط مي باشد که از معادله )9( محاسبه مي شود. اگر sk ابر نقاط صفر باشد مي توان نتیجه گرفت که ابر نقاط لیدار از توزيع نرمال پیروي مي کنند و در غیر اين صورت ابر نقاط لیدار داراي توزيعي نامنظم هستند. به اين ترتیب تعدادي از نقاط شي را مي توان از نقاط پالس ثانويه حذف کرد. نقاط مورد بررسي ما نقاط پالس ثانويه مي باشد و اين احتمال وجود دارد که در بین نقاط حذف شده در روش قبل تعدادي نقطه وجود داشته باشد و به اشتباه در روش قبل حذف شده باشند براي بدست آوردن اين مي توان به روش زير عمل کرد: مرحله از حاصل نقاط بايد - Skewness Balancing نقاط باقي مانده( -2 را از نقاط پالس ثانويه کسر کرد.) حاصل : با مقايسه نقاط پالس اولیه با نقاط باقي مانده يکسري نقطه که از لحاظ هستند x و y در دو ه نقطه برابر را جداسازي کرده و به يکسري نقاط پالس اولیه مي رسیم که مي توان آنها را با نقاط باقي مانده مقايسه کرد. -9 با توجه به اختلاف ارتفاع بین پالس اولیه و پالس ثانويه مي توان نقاط شي موجود در پالس ثانويه را تا حدي حذف کرد. حال در اينجا با در نظر گرفتن يک حد آستانه به نام H به عنوان اختلاف ارتفاع مجاز در مقايسه نقاط باقي مانده و نقاط پالس اولیه بدست آمده از 2 اگر اختلاف ارتفاع بیشتر از حد آستانه باشد مي توان نقطه با ارتفاع کمتر )نقاط باقي مانده( را به عنوان پذيرفت. در مرحله بعدي نقاط حاصل از 2 را مرحله قبل ترکیب کرده و نقاط حاصل شبکه 2 بعدي تبديل کرده و روي آن روش براي اعمال را اعمال مي کنیم. بر روي نقاط بايد نقاط را به صورت شبکه تبديل کرد. چون هدف ما تولید مدل رقمي زمین مي باشد مي بايست شبکه بندي با کمترين ارتفاع موجود در هر ممکن است بعضي از قبل از اعمال Cell Cell Cell خالي در شبکه نباشد. بعد از يک محدوده براي صورت گیرد بعد از اين کار ها خالي بماند که مي بايست يک انترپلاسیون انجام داد تا شبکه بندي نقاط بايد تعیین کرد که در اينجا از يک است. اين Window Size Window Size مي کند که در هر مرحله به اندازه 9*9 استفاده شده طوري روي اين شبکه حرکت مرکزي اين Pixel Window روي يک Size Pixel طبق فرمول زير: )( در اين معادله از شبکه بندي قرار مي گیرد. z 0 z j s 0,j = (x 0 x j ) 2 + (y 0 y j ) 2 z 0 y 0 x 0 z j y j x j مختصات پیکسل مرکزي و مختصات پیکسل هاي مجاور پیکسل مرکزي مي باشد. نقاط موجود مرکزي با تمامي پیکسل شیب درSize Window محاسبه مي شود حال اگر بیشترين شیب محاسبه شده از حداکثر شیب مجاز )حد آستانه( کمتر شود در اين صورت پیکسل مرکزي Window Size را به عنوان يک نقطه در نظر ميگیريم. و در نهايت نقاط حاصل از مرحله را به عنوان پذيرفته و نقاط را به روش B-Spline انترپلاسیون کرده و مدل رقمي زمین را تولید مي کنیم. روش انترپلاسیون B-Spline يک روش انترپلاسیون داده هاي مکاني است که يک سطح با حداقل انحنا را روي نقاط استفاده شده براي انترپلاسیون برازش مي دهد. اين سطح مانند يک سطح پوششي است که امکان اتصال کلیه نقاط در فضا را با حداقل انحنا مهیا مي کند لذا يک تابعي رياضي را طوري برازش مي کند که از نقاط کنترل بگذرد. در اين مقاله براي ترمیم و بازسازي گسستگي هاي موجود در مدل رقمي حاصل از اين روش انترپلاسیون استفاده شده است و در نهايت مدل رقمي پیوسته اي بدست مي آيد. پیاده سازی -1- اعمال الگوریتم از آنجايي که در نقاط پالس ثانويه نقاط شي وجود دارد و اين نقاط باعث بهم خوردن توزيع مي شود براي متعادل کردن اين توزيع در اين مقاله از اين الگوريتم استفاده شده است. هیستوگرام ارتفاعي نقاط پالس ثانويه قبل از اعمال الگوريتمBalancing Skewness 09

روشي ابتکاري جهت تولید مدل رقمي زمین با داده لیدار براي مناطق جنگلي را در شکل 9 و همچنین هیستوگرام ارتفاعي نقاط پالس ثانويه بعد از اعمال الگوريتم را در شکل براي درک بهتر نشان داده شده است. هیستوگرام شکل تا حد زيادي به منحني نرمال نزديک مي باشد اما به دلیل وجود نقاط شي نزديک به زمین تا حدي از حالت نرمال خارج شده است که براي حذف نقاط شي مي بايست از روش استفاده 2-- جداسازی نقاط زمینی از نقاط حذف شده مرحله قبل با توجه به مرحله قبل حدودا 6095 نقطه به عنوان نقطه شي حذف شد اما نقاط مورد بررسي ما نقاط پالس ثانويه مي باشد و اين احتمال وجود دارد که در بین نقاط حذف شده در روش قبل تعدادي نقطه وجود داشته باشد و به اشتباه در روش قبل حذف شده باشند بعد از اعمال پردازش حدودا 6292 تا نقطه به عنوان نقطه شي حذف و 5296 نقطه به عنوان نقطه پذيرفته شد. کرد.تعداد نقاط پالس ثانويه قبل از اعمال الگوريتم 92256 تا بوده است و بعد از اعمال الگوريتم به 929 تا رسید. شکل 9- هیستوگرام ارتفاعي نقاط پالس ثانويه قبل از اعمال الگوريتم شکل - هیستوگرام ارتفاعي نقاط پالس ثانويه بعد از اعمال الگوريتم ترکیب کردن نقاط حاصل از 2 مرحله -3- قبل با ترکیب کردن اين نقاط به 9690 نقطه مي رسیم. در بین اين نقاط نقاط شي نزديک به زمین وجود دارد که دو مرحله قبل از حذف کردن آن بر نیامدند که در دو شکل 5 و 9 مشهود است بنابراين براي حذف اين نقاط مي توان از روش استفاده کرد. شکل 9- نمايش نقاط پالس ثانويه در نرم افزار متلب بعد از اعمال 2 الگوريتم قبل همانطور که در شکل 9 ملاحظه مي شود با اعمال دو الگوريتم قبل تعداد بسیار زيادي از نقاط شي از نقاط پالس ثانويه حذف شدند. -- تبدیل نقاط حاصل از مرحله قبل به حالت شبکه و اعمال شکل 5- نمايش نقاط پالس ثانويه در نرم افزار متلب قبل از اعمال 2 الگوريتم قبل بعد از اعمال اين الگوريتم تعداد نقاط به 202 تا ميرسد و نقاط حاصل را به عنوان ميپذيريم. 0

نشريه علمي- ترويجي مهندسي نقشهبرداري و اطلاعات مکاني دوره ششم شماره همانطور که در شکل 0 ملاحظه مي شود تا حد بسیار زيادي نقاط شي از نقاط پالس ثانويه حذف شدند بنابراين با بدست آمده مي توان مدل رقمي منطقه مورد بررسي را با دقت خوبي تولید کرد که براي اين کار مي بايست اين نقاط را به روش انترپلاسیون کرد. B-Spline B- -5- شکل 0- نمايش نقاط بعد از اعمال انترپلاسیون زمینی نقاط Spline و تولید مدل رقمی زمین روش به بعد از انترپلاسیون به نتیجه اي که در شکل 9 نشان داده شده است مي رسیم. شکل 9- مدل رقومي بدست آمده براي منطقه مورد مطالعه به صورت سه بعدي آذر ماه 96 6- - ارزیابی نتایج براي ارزيابي نتیجه بدست آمده از روش پیشنهادي مدل رقمي بدست آمده از روش پیشنهادي را با روش ارائه شده جهت تولید مدل رقمي زمین توسط نرم افزار SAGA GIS مقايسه کرده و همچنین مدل رقمي بدست آمده با نقاط پالس ثانويه که از خود منطقه در اختیار داشتیم مقايسه ميکنیم. تمامی محل برآمدگی ها می تواند محل حضور پوشش گیاهی با ارتفاع کم باشد. شکل 6- مدل رقومي بدست آمده فقط با نقاط پالس ثانويه بدون هیچ پردازشي به صورت Hill-Shading 05

روشي ابتکاري جهت تولید مدل رقمي زمین شکل 2- مدل رقومي زمین بدست آمده با استفاده از روش پیشنهادي شکل. مدل رقومي زمین بدست آمده با استفاده نرم افزار روش از SAGA GIS با داده لیدار براي مناطق جنگلي تمامي دايره هاي مشکي در شکل شکاف هاي بوجود آمده در مدل رقمي تولید شده با روش نرم افزار SAGA GIS مي باشد که خطاي فاحشي است اما در شکل 2 همانطور که نشان داده شده است اثري از شکاف وجود ندارد که اين نشان دهنده دقت روش پیشنهادي در اين مقاله است. شکل 6 مدل رقمي زمین از منطقه مورد مطالعه فقط با نقاط پالس ثانويه بدون هیچ پردازشي است شکل مدل رقمي SAGA GIS بدست SAGAدر GIS شکل نرم افزار پیشنهادي روش با آمده مي باشد فلوچارت روش پیشنهادي نرم افزار 2 آمده است. براي تولید مدل رقمي زمین با روش پیشنهادي نرم افزارGIS SAGA از کل نقاط پالس اولیه و ثانويه استفاده شده است همانطور که شکل نشان مي دهد مدل رقمي بدست آمده شباهتي با مدل رقمي شکل 6 ندارد پس مي توان نتیجه گرفت که برآمدگي هاي با ارتفاع کم در شکل 6 مي تواند پوشش گیاهي با ارتفاع کم باشد که روش پیشنهادي نرم افزار SAGA GIS توانسته پوشش گیاهي با ارتفاع کم را حذف کند اما باعث بوجود آمدن شکاف در مدل رقمي زمین شده است روش پیشنهادي در اين مقاله با فرض اينکه در بین نقاط پالس ثانويه نقاط شي يا غیر وجود دارد توانسته با استفاده از الگوريتم ارائه شده مدل رقمي را بدون شکاف يا گسستگي از منطقه مورد مطالعه ارائه کند. در نهايت مي توان با اين نتايج به صحت فرض در نظر گرفته شده در اين مقاله دست پیدا کرد. همچنین دقت روش پیشنهادي در اين مقاله با مدل رقمي تولید شده توسط فیلتر مورفولوژيکال و فیلتر چند جهته لي به شرح زيرمقايسه شده است. با روش Spline شکاف های موجود را پر می کنیم نقاط را به حالت گرید یا شبکه تبدیل می کنیم نقاط پالس اولیه نقاط پالس ثانویه شکل درون یابی به روش Multilevel B-Spline 2- فلوچارت روش پیشنهادي نرم افزار SAGA GIS مدل رقومی زمین اعمال روش Filter) DTM(Slope شکل 9- مدل رقومي زمین بدست آمده با استفاده از روش فیلتر مورفولوژيکال شکل - مدل رقومي زمین بدست آمده با استفاده از روش فیلتر چند جهته لي 09

شماره جدول ارتفاع نقطه کنترل اختلاف ارتفاع نقطه کنترل با ارتفاع نقطه کنترل در DTM بدست آمده توسط فیلتر مورفولوژيکال/ متر اختلاف ارتفاع نقطه کنترل با ارتفاع نقطه کنترل در DTM بدست آمده توسط فیلتر چند جهته لي/ متر اختلاف ارتفاع نقطه کنترل با ارتفاع نقطه کنترل در DTM بدست آمده/ متر اختلاف ارتفاع نقطه کنترل با ارتفاع نقطه کنترل در نشريه علمي- ترويجي مهندسي نقشهبرداري و اطلاعات مکاني دوره ششم شماره آذر ماه 96 /SAGA نرم افزار DTM.9 99822 998 99802 متر.5.09.29.90.52.9 -.0..0 -.95 -.29..92 -.22.2.9.9.99. -.9.29 -.22.2 -.05.0.25..2 -.22 52989 529859 69899 9895 59806 56985 59985 9282 5890 55899 25822 9089 5985 22802 529869 529899 69862 9809 59860 56989 599820 92859 5800 55899 25825 9082 59890 22809 520829 52989 60892 9890 5989 569890 599825 92856 5822 55892 2582 90892 5986 2280 20892 - مقايسه ارتفاع نقاط کنترل در DTM بدست آمده و DTM حاصل از نرم افزار SAGA GIS با ارتفاع نقاط کنترل -.9 RMSE =..2 RMSE =. 29 20899 20822 2 9 5 9 0 9 6 2 2 9 5 9 00 براي براي ارزيابي دقت مدل رقمي 9 آمده از نقطه کنترل که در جدول زمین( DTM ) بدست آمده است استفاده کرده ايم. در ادامه به بررسي خطاي کاربر و 2 جهت درستي انتخاب و خطاي تولید کننده غیر براي روش هاي گفته شده مي پردازيم. اول به تشکیل ماتريس خطا براي روش هاي پیشنهادي نرم افزار SAGA GIS فیلتر مورفولوژيکال و فیلتر چند جهته لي مي پردازيم. براي اين کار حدود 55 نقطه و 299 نقطه غیر را به عنوان داده صحیح انتخاب کرديم و با استفاده از آنها به تشکیل ماتريس خطا به شکل زير پرداختیم. نام کلاس 1 Commission Error 2 Omission Error 59 55 9 69 2506 2020 55 299 99 55 0 20 59 92 259 2929 299 99 55 22 92 29 995 229 9959 55 299 99 25 529 90 922 290 9999 299 99 جدول 2- ماتريس خطا براي انتخاب درست و غیر بر اساس روش پیشنهادي جدول 9- ماتريس خطا براي انتخاب درست و غیر بر اساس روش نرم افزار SAGA GIS جدول نام کلاس - ماتريس خطا براي انتخاب درست و غیر بر اساس روش فیلتر موفولوژيکال نام کلاس جدول 5- ماتريس خطا براي انتخاب درست و غیر بر اساس روش فیلتر چند جهته لي نام کلاس

روشي ابتکاري جهت تولید مدل رقمي زمین با داده لیدار براي مناطق جنگلي خطاي کاربر خطاي تولید کننده با توجه به نتايج بدست آمده از جدول گفت دقت مدل رقمي مي توان زمین بدست آمده از روش پیشنهادي اين مقاله 22 سانتي متر مي باشد که نسبت به روش پیشنهادي نرم افزار SAGA GIS حدود 2 سانتي متر بهبود داشته است. همچنین با توجه به جدول 9 مي توان گفت که توانايي تفکیک کنندگي روش پیشنهادي نسبت به روش هاي روش پیشنهادي نقاط غیر روش نرم افزار نقاط ذکر شده بیشتر است. روش پیشنهادي در مناطق شیب دار تپه ماهور به خوبي مي تواند پوشش گیاهي کم ارتفاع را شناسايي و حذف کند اين ادعا را با توجه به شکل 6 که نقاط پالس ثانويه داده هاي اصلي مي باشد مي توان اثبات کرد همانطور که در ابتداي اين بخش صحبت شد تمامي برآمدگي هاي شکل 6 پوشش گیاهي کم ارتفاع با شیب هاي مختلف هستند روش نرم افزاري SAGA GIS توانسته مناطق با شیب زياد SAGA و کم را شناسايي کند اما در مناطق با شیب کم باعث بوجود آمدن شکاف شده است اما روش پیشنهادي اين شکاف ها را ترمیم کرده است. همانطور که از نتايج شکل 9 و برمي آيد فیلتر مورفولوژيکال تاحد خوبي مي GIS نقاط غیر روش فیلتر موفولوژيکال نقاط نقاط غیر روش فیلتر چند جهته لي نقاط تواند پوشش گیاهي با تغییرات ارتفاعي زياد را حذف کند اما توانايي حذف پوشش گیاهي با ارتفاع کم را ندارد همچنین با توجه به شکل فیلتر چند جهته لي حتي در حد دقت فیلتر مورفولوژيکال توانايي حذف درختان را ندارد. با توجه به مقايسه روش پیشنهادي با سه روش تحقیق شده توسط محققان در سال هاي گذشته مي توان به اين نتیجه دست يافت که روش پیشنهادي اين مقاله مي تواند با دقتي بسیار مناسب تر مدل رقمي زمین را از مناطق جنگلي بدون هیچ گسستگي تولید کند. نقاط غیر %90 %52 %96 %9 %6 %69 %65 %6989 %6 جدول %69 9- خطاي کاربر و خطاي تولید کننده براي روش هاي گفته شده %9 %29 %99 %99 %69 %6 مراجع [1] Kilian,J.,Haala.N.,Englich,M.,1996.Capture and evaluation of airbone laser scanner data In: International Archives of Photogrammetry and remote Sensing,Vol.31/B3. ف. صمدزادگان م. معبودي م. حائري. 999 تعیین اتوماتیک مدل رقومي زمین از داده هايLIDAR. همايش ملي ژئوماتیک.99 ]2[ [3] [] [5] [6] [7] Filin S.,2002.Surface clustering from airborne laser scanning data In: International Archives of photogrammetry and remote sensing,graz,austria,vol.xxxiv,part 3A,117-12. Axelsson,P.2000.DEM generation from laser scanner data using adaptive TIN models In:International Archives of photogrammetry and remote sensing,istanbul,turkey,vol.xxxiii,part B/1,110-117. [j.hyyppa,u.pyysalo,h.hyyppa and A.Samberg,2000.Elevation Accuracy Of Laser Scanning-Derived Digital Terrain And Target Models In Forest Enviroment In: Preoceedings Of EARSeL-SIG-Workshop LIDAR,Dresden/FRG. Vosselman,G.,2000.Slope based filtering of laser altimetry data.iaprs,vol.xxxiii,part B3,Amsterdam,The Netherlands,pp.935-92. Bartels,M.,Wei,H.,Mason,D.C.2006.DTM generation from LIDAR data using skewness balancing. In:Proceedings, 18 th International Conference on Pattern Recognition,Hong Kong,China,Part I,566-569. 09

نشريه علمي- ترويجي مهندسي نقشهبرداري و اطلاعات مکاني دوره ششم شماره آذر ماه 96 [8] [9] [10] F.F.Tang,J.N.Liu,X.H.Zhang,Z.M.Ruan.,2008.Derivation of Dightal Terrain Model in forested area with Airbone LIDAR data In: International Archives of the Photogrammetry and remote sensing and Spatial Information Sciences,Vol.XXXVII. Part B3b,beijing. International Society For Photogrammetry And Remote Sensing,Home, 2010., Page,isprs.org. M., Domen, Z., Borut., 2012. Parameter-free ground filtering of LiDAR data for automatic DTM generation: International Archives of the Photogrammetry and remote sensing and Spatial Information Science 67(2012) 1-12. 06